收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于可见/近红外光谱及成像技术的苹果可溶性固形物检测研究

樊书祥  
【摘要】:我国的苹果种植面积和产量均居世界首位,而出口却不到总产量的3%,反映了我国苹果产业缺少足够国际竞争力。主要原因在于苹果商品化处理水平低,检测技术和装备落后。因此,为满足产品出口需求及国内消费者对苹果品质尤其是内部品质日益多元化的要求,必须开发先进的技术与装备,实现苹果产中管理,产后自动分级处理,提高我国苹果品质,壮大苹果产业。本文以我国富士苹果的可溶性固形物含量(soluble solids content,SSC)为检测指标,利用可见/近红外光谱及高光谱成像技术,从光谱稳定性获取入手,分析了影响SSC光谱检测模型稳定性的因素,设计了便携式苹果SSC光谱检测设备。借助苹果高光谱图像,提出了光谱和纹理信息融合的方法来提高可溶性固形物检测模型的预测精度,并开展了苹果SSC表面检测研究。论文主要研究内容及结论如下:(1)光谱稳定性获取研究。分别就SSC便携式检测和在线检测研究搭建了漫反射及漫透射光谱采集系统。对漫反射光谱采集,分析了源探距对于获取光谱信息的影响,得到当源探距为15~20mm时,在保证光谱信号强度的同时可获取20~30mm穿透深度,为后续便携式设备开发奠定基础。对漫透射光谱采集,通过计算两种水果放置位置下光谱面积变化率,分析放置位置对光谱稳定性的影响。得到当苹果沿果梗-花萼水平放置时,获取的光谱稳定性更高。该方法也为分析其它影响光谱稳定性因素提供了参考。(2)基于多个产地的苹果光谱信息,结合特征波长优选算法建立的苹果可溶性固形物检测模型,拥有更好的地区适应性。以4个不同产地(阿克苏、宜川、栖霞和肥城)的富士苹果为研究对象,建立和对比了单一产地下混合产地的苹果SSC检测模型。结果表明,混合4种产地苹果的光谱信息建立的模型取得了最好预测结果。结合从该模型中筛选得到的16个特征波长,模型的预测精度进一步提高,对4个产地所有预测样本的rp和RMSEP分别为0.978和0.441°Brix。用该模型对产自北京昌平的富士苹果的SSC进行检测,rp和RMSEP分别为0.941和0.509°Brix,取得了较好的检测结果。该研究对于减小苹果产地差异对SSC光谱检测模型的影响提供了方法参考。(3)通过从苹果多个检测部位获取光谱信息,结合特征波长优选算法建立苹果可溶性固形物检测模型,减小了光谱检测部位的变化对模型的影响。基于苹果样本果梗、赤道及花萼附近3个部位的光谱信息建立的全局模型对3个不同部位的SSC均实现了准确预测。借助进一步从该模型中优选出的66个特征波长,RMSEP分别减小到0.409、0.386和0.486°Brix。另外,为验证所选特征波长的有效性,基于之前仅从赤道部位获取的光谱信息,分别利用所选66个特征波长和全波段建立SSC检测模型,并对3个不同部位SSC进行预测。结果显示,基于特征波长所建模型的预测结果,RMSEP由全波段建模时对应的0.779、0.661和0.782°Brix,下降到0.645、0.530和0.614°Brix。该研究对于减小检测部位的变化对SSC检测模型的影响提供了理论基础。基于所选特征波长建立的全局模型可以实现对不同苹果部位的SSC的准确检测。借助该研究,先前仅通过赤道部位光谱信息建立的模型对苹果不同部位SSC的预测精度也得到了提高。(4)基于高光谱成像技术的苹果SSC检测研究。首先以苹果赤道部位的高光谱图像为研究对象,提出了联合偏最小二乘算法用于光谱数据及纹理特征的建模分析。结果表明,融合光谱信息和0°方向的对比度(contrastθ=0)特征建立的联合偏最小二乘模型,可提高苹果SSC的预测精度。RMSEP由仅通过光谱信息建模时的0.621°Brix减小到0.596°Brix。分别从苹果高光谱图像的果梗、赤道及花萼附近提取光谱信息,经1阶导数和标准正态变量变换(SNV)预处理后,建立SSC检测模型,对上述3个部位的SSC取得了最好预测结果,RMSEP分别为0.666、0.623和645°Brix。将该模型用于对苹果高光谱图像表面各点的SSC检测,结果符合SSC分布规律,但对苹果样本的两侧边缘区域预测误差较大,预测精度有待进一步提高。(5)基于上述基础理论研究,设计了高效获取苹果光谱信息的环形光纤探头,结合微型光谱仪及WinCE嵌入式操作系统,开发了便携式苹果SSC光谱检测仪。经相关试验构建了SSC检测模型并借助特征波长算法对模型进行优化。通过独立验证集对仪器精度进行检验,rp和RMSEP分别为0.910和0.579°Brix。基本满足苹果可溶性固形物的便携、快速、无损检测。但检测装置的稳定性和预测精度有待进一步提高。


知网文化
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978